Unidad 5

Vista previa del material en texto

Unidad 5: Análisis de datos 
La planificación del análisis de datos es el paso siguiente en la planificación de una 
investigación. El enfoque seleccionado en el punto anterior, servirá de guía a la 
hora de reconocer que análisis son los posibles de realizar. 
Análisis de datos cualitativos 
Luego de definir el concepto con el que se trabaja, se requiere diseñar un 
instrumento que refleje esa construcción y aplicarlo a la muestra elegida. Al hacer 
esto último se obtiene un resultado que, si se expresa de manera cuantitativa, 
permite hacer comparaciones del aspecto que representa ese concepto, entre 
personas, entre grupos, etc. 
Surge así la matriz de datos, un sistema de organización de la información donde 
cada fila representa la unidad de análisis, o el participante de la investigación, y 
cada columna una variable seleccionada. La intersección de ambos nos va a otorgar 
que información del individuo, en relación a esa variable. 
Cuando definimos una variable, es importante indicar también el conjunto de 
categorías que le corresponden. Por ejemplo, si la variable es el sexo las categorias 
que le corresponden son dos: femenino o masculino. Pero si es la variable edad, sus 
categorías son valores numéricos, entre cero y un máximo de años que se fija 
según el caso. 
Al construir las categorías, debemos asegurarnos que se cumplan dos propiedades. 
1. Exclusión mutua: Las categorías de las variables deben ser excluyentes entre 
sí. No se debe permitir que la elección se de en dos categorías a la par. 
2. Exhaustividad: Al desarrollar las categorías debemos asegurarnos de cubrir 
todos los valores posibles dentro de la misma. 
Niveles de medición 
Según la arbitrariedad que exista en la relación de los números con las categorías, 
se definirán los niveles de medición. 
● El nivel nominal: Es el nivel más elemental de medición, las variables de este 
nivel tienen categorías que son solo nombres, no se puede establecer orden en 
ello, por ejemplo, podemos hablar de la categoría sexo (masculino-femenino). Al 
codificar numéricamente las categorías, los números que representan cada 
categoría son asignados de manera arbitraria y solo cumplen con la función de 
designar y distinguir categorías diferentes. 
● El nivel ordinal: En este nivel los números no solo tienen la propiedad de 
representatividad, si no que pueden reflejar el orden que existe entre las categorías. 
Esto significa que se pueden establecer juicios de orden. 
Aquí el grado arbitrariedad en la asignación de un número se reduce debido a que 
existe un control de orden. 
● El nivel intervalar: Las escalas intervalares conservan las distancias entre los 
valores: aquello que no puede hacerse en las ordinales, porque pasar de primer año 
a segundo no es lo mismo que pasar de tercero a cuarto. 
Las escalas intervalares, mantienen las propiedades de las escalas ordinales y 
nominales, es decir, los números designan categorías y permiten ordenarlas; pero 
además permiten decir a qué distancia está una de otra, porque cada categoría se 
expresa también en sentido cuantitativo. La medición intervalar implica construir 
una escala en la que las categorías están proporcionalmente distanciadas entre sí. 
Esto permite especificar la distancia que separa a cada categoría de las demás. 
Este nivel de medición requiere que se establezca algún tipo de unidad de medida 
que pueda ser considerado por todos como una norma común y que sea repetible, 
esto es, que se pueda aplicar reiteradamente a los mismos individuos produciendo 
los mismos resultados. 
Una variable está medida a nivel intervalar cuando las distancias entre las 
categorías son proporcionales. Sin embargo, aquí no existe el 0 absoluto, por lo 
cual no podemos marcar un punto exacto de ausencia. 
● El nivel proporcional: En él se integran todas las propiedades de los niveles 
anteriores y además se agrega la proporcionalidad de los valores y el carácter 
absoluto del cero. Aquí los números se comportan realmente como números, ya 
que se puede realizar con ellos todos los análisis matemáticos. Todas aquellas 
variables para las cuales tengan proporcionalidad de valores y cero absolutos 
podrán ser medidos en este nivel. 
En general, los valores que provengan de procesos de conteo (como el número de 
errores) serán siempre proporcionales, como también aquellos que hagan 
referencia a una unidad de medida estándar como el tiempo o la distancia. 
Estadística Descriptiva 
La estadística descriptiva busca resumir, sintetizar información, y volverla manejable 
para poder interpretarla y extraer conclusiones a partir del conjunto de datos que, 
de otra manera, serían muy difícil de realizar o imposible prácticamente. 
Recordando que existen distintos niveles de medición, que poseen distintas 
particularidades y limitaciones podemos suponer que se van a realizar distintos 
análisis partiendo de la calidad del dato que ofrece cada uno. 
 
Gráficos 
Muchas veces la información en términos de números, nos puede marear un poco 
(en especial para los que no somos expertos) por lo cual es importante que 
busquemos modos gráficos, que nos permitan observar el comportamiento del 
dato que nos interesa. Para esto existen distintos modelos visuales que nos 
permitirán observar directamente el fenómeno de interés, algunos de estos son: De 
barra/ de torta; Histograma; Polígono de frecuencia; Ojiva de Galton; Gráfico de 
Caja o Box-plot. 
Estadística Inferencial 
El análisis inferencial posibilita extender los resultados de una muestra a una 
población, al hacer pruebas de hipótesis a partir de muestras. En otras palabras, 
implica hacer inferencias a partir de una muestra, explorar la asociación de 
variables, comparar grupos, generar modelos predictivos de los cambios en la 
variable dependiente o bien realizar pronósticos de futuras observaciones de los 
datos. 
Para realizar estas inferencias se utilizan cálculos estadísticos, los cuales van a variar 
dependiendo de las particularidades de los datos, por ejemplo, nos interesa saber si 
será de tipo paramétrica (la cual utiliza análisis más estrictos por lo cual produce 
resultados más confiables) o de tipo No paramétrica (aquí los resultados son menos 
confiables que los paramétricos, pero son relativamente más sencillos de obtener, y 
poseen menos requisitos). 
Relación entre Variables 
Un primer paso dar explicaciones a fenómenos, es buscar cómo se relacionan 
algunas variables. Por ejemplo, podemos preguntarnos ¿porque algunas patologías 
se dan principalmente en determinadas personas y otras no? Formularemos 
hipótesis sobre la respuesta: quizás la edad influya, el sexo, algún aspecto 
ambiental, la presencia de patologías pre existentes, antecedentes familiares de la 
patología, entre otros. 
Rara vez agotaremos el conjunto de todos los factores explicativos de un 
fenómeno, porque en última instancia cada caso es único. Lo que sí podemos hacer 
es analizar cómo distintos factores pueden tener diversa influencia sobre el 
comportamiento de una variable. 
Una relación entre dos variables solo nos dice que, si la variable 1 cambia, se 
observa un cambio en la variable 2; sin embargo, desconocemos porque se 
produce este cambio. No es lo mismo decir ‘’en una infección vemos que aumenta 
la temperatura corporal’’, a explicar cómo se ponen en juegos distintos mecanismos 
biológicos para llegar a una explicación del aumento de temperatura corporal. 
¿Cómo es la relación? 
Si las variables tienen nivel ordinal o superior, resulta de interés plantear la 
dirección de la relación. 
Se trata de otro criterio para clasificar relaciones entre variables: 
● Si a cambios ascendentes (crecientes) de una variable se siguen cambios 
ascendentes de la otra, llamamos a la relación directa. O sea si una variable 
aumenta la otra también, por ejemplo, la cantidad de comida chatarra que como, y 
mi masa corporal (odicho categóricamente si engordo o no). Estas relaciones se 
representan con valores positivos. 
● Si, por el contrario, un crecimiento de una de las variables va acompañado de 
una disminución en los valores de la otra, la denominaremos inversa. En este 
ejemplo podemos decir a mayor cantidad de asistencia a jodas, bailes, y bares, 
menor nota en la facultad. Estas relaciones se vislumbran con valores negativos. 
 
Asociación vs Correlación 
La correlación en este sentido se define como la fuerza de la relación lineal de dos 
variables. Por lo tanto, mide si, si aumentamos o disminuimos una variable por un 
determinado factor, la otra variable también aumentará por ese mismo factor o un 
factor que está algo cerca. La medida de la fuerza de esta dependencia es la 
correlación. Una correlación puede ser positiva o negativa. Si es positivo, entonces 
eso significa que una variable aumentará si aumentamos la otra variable que está 
correlacionada con ella, o disminuirá si disminuimos la otra, básicamente, fluctúan 
en la misma dirección. Una correlación negativa significa que fluctúan en 
direcciones opuestas. Si aumentamos uno, el otro disminuirá, y viceversa. 
La asociación, por otro lado, tiene definiciones mucho menos estrictas y puede 
usarse para explicar muchas cosas diferentes. A menudo se usa para describir a un 
grupo de personas con una causa común, pero también se usa para expresar 
cualquier tipo de conexión entre dos cosas. 
ANÁLISIS DE DATOS CUALITATIVOS 
En el caso de los datos cualitativos, se analizan los datos mediante diversas fuentes 
y hemos realizado reflexiones y análisis elementales. 
Tenemos un primer sentido de entendimiento y seguimos generando datos (cuya 
recolección es flexible, pero enfocada). La mayoría de las veces contamos con 
grandes volúmenes de datos (páginas de anotaciones u otros documentos, horas 
de grabación o filmación de entrevistas, sesiones grupales u observación, imágenes 
y distintos artefactos). ¿Qué hacer con estos datos? Como ya vimos, la forma 
específica de analizarlos varía según el diseño de investigación seleccionado: teoría 
fundamentada, estudio de caso, etnográfico, fenomenológico, etc. Cada método 
marca unos lineamientos para el proceso de análisis, ya que los resultados que se 
buscan son distintos (Grbich, 2007). Sin embargo, hay un análisis común en todo 
estudio cualitativo: generar categorías o temas. 
En general, nuestra vivencia durante el análisis cualitativo nos ha conducido por un 
camino no lineal ni secuencial, dotado de contradicciones complementarias, donde 
los datos se agrupan y desagrupan, se integran y se desintegran de manera 
dialógica y recursiva. La recolección y el análisis de la información son dos 
procesos complejos que se desarrollan de manera simultánea. Esto permite ofrecer 
una guía al trabajo de campo y profundizar en los temas emergentes durante 
nuestro proceso de recolección. 
El muestreo a diferencia de la investigación cuantitativa, se puede ir modificando 
constantemente a lo largo de la investigación, ya que la finalidad aquí es recolectar 
información, descubrir este nuevo mundo que se hace en base a los temas y 
conceptos que van emergiendo desde los datos, cuyo interés es captar la variedad 
y la dimensión de un tema o fenómeno hasta lograr la descripción más completa 
posible del fenómeno que se está investigando. Esto a su vez se termina cuando se 
logra ‘’la saturación teórica’’ la cual nos señala el punto en el que no se percibe 
nada nuevo en la información que ofrecen los entrevistados. (Carrillo Pineda, M., et 
all., 2011). 
Para el análisis de los datos cualitativos, se recomiendan tres momentos para su 
desarrollo. 
● En el primero, de naturaleza mayormente descriptiva, se realiza la codificación 
abierta para identificar categorías. 
● En el segundo momento analítico, se relacionan las categorías con las sub-
categorías por medio de la codificación axial 
● y en el tercero se completan las descripciones, se refinan las categorías, se 
integran y se identifica la categoría central a través de la codificación selectiva. 
Las subcategorías son aquellos conceptos incluidos dentro de una categoría, 
mientras que la categoría central, con mayor carga conceptual y de abstracción, 
recoge las características comunes de las categorías. 
La categoría central es la que permite al investigador formar un todo explicativo. 
De lo que se trata es de analizar los datos y encontrar una buena explicación, por lo 
tanto, el investigador trabaja con ellos y no contra ellos. 
La descripción minuciosa del proceso de análisis contribuye a garantizar la validez 
de los resultados y la replicabilidad del estudio. 
Codificación 
Cuando realizamos la codificación o categorización de los datos, pueden surgir 
interrogantes, 
ideas, hipótesis y conceptos que nos ayuden a ilustrar en torno al planteamiento 
del problema, por lo que resulta indispensable escribirlos para que no olvidemos 
cuestiones importantes. Las notas nos ayudan a identificar unidades y categorías de 
significado. Es una estrategia útil para organizar los procedimientos analíticos. Para 
las anotaciones, que suelen también llamarse “memos analíticos”, Strauss y Corbin 
(1998) recomiendan: 
• Registrar la fecha de la anotación o memorándum. 
• Incluir cualquier referencia o fuente importante (por ejemplo, si consultamos con 
un colega, a quién, de qué institución y cuál es su comentario). 
• Marcar los memos con encabezados que sinteticen la idea, categoría o concepto 
señalado. 
• No restringir el contenido de los memos o anotaciones; permitirnos el libre flujo 
de ideas. 
• Identificar el código al cual pertenece el memo. 
• Usar diagramas, esquemas y matrices (u otra clase de síntesis analítica) en los 
memos para explicar ideas, hipótesis y conceptos. 
• Cuando uno piensa que una categoría o un concepto quedó lo suficientemente 
definido, crea un memo adicional (distinguirlo y etiquetarlo con la palabra 
“saturación”). 
• Registrar las reflexiones en memos que ayuden a pasar de un nivel descriptivo a 
otro interpretativo. 
• Guardar una copia de todos los memos. 
En la mayoría de los estudios cualitativos se codifican los datos para tener una 
descripción más completa de éstos, se resumen, se elimina la información 
irrelevante y se realizan análisis cuantitativos elementales; finalmente, se trata de 
entender mejor el material analizado. 
La codificación tiene dos planos o niveles: en el primero (codificación abierta), se 
codifican las unidades (datos en bruto) en categorías; en el segundo, se comparan 
las categorías entre sí para agruparlas en temas y buscar posibles vinculaciones 
Explorar la integración conceptual de estos códigos se convierte en el propósito 
por cumplir. ¿Cuáles relaciones entre estos códigos teóricos explican el patrón 
social de comportamiento latente en la temática de la investigación dentro del 
contexto social del estudio? Los códigos teóricos actúan como delimitadores 
abstractos de conceptos esenciales que explican la categoría central. 
La revisión teórica, debe realizarse a lo largo de todo el proceso ya que puede 
ampliar nuestro campo de estudio en aquellos aspectos no tenidos en cuenta que 
se pudieron exhibir en antecedentes. 
 
Para profundizar los temas trabajados en esta unidad, ¡te invitamos a leer la 
bibliografía anexa y revisar el video de presentación! 
 
Bibliografía consultada 
● Manterola, C., Quiroz, G., Salazar, P., & García, N. (2019). Metodología de los 
tipos y diseños de estudio más frecuentemente utilizados en investigación 
clínica. Revista Médica Clínica Las Condes, 30(1), 36-49. 
● González, H. D. L. (2016). Metodología de la investigación: propuesta, 
anteproyecto y proyecto. Ecoe Ediciones. 
● Murillo, J. (2011). Métodos de investigación de enfoque 
experimental. Recuperado el, 2. 
● Hernandez Sampieri, R. (2014)Metodología de la Investigación. Sexta Edición.